社区编辑申请
注册/登录
数据分析师七大能力:梳理标签体系
大数据 数据分析
围绕一个业务场景,实现业务闭环操作的若干个标签组合,称为标签体系。之所以需要标签体系,是因为单一的标签没办法满足闭环操作的需求。

大家好,我是爱学习的小xiong熊妹。

这次分享一个更高级能力:构造标签体系。在提升能力的顺序上,当然是先会打一个标签,再会搞整个体系了。

一、什么是标签“体系”?

围绕一个业务场景,实现业务闭环操作的若干个标签组合,称为标签体系。之所以需要标签体系,是因为单一的标签没办法满足闭环操作的需求。

想要促使用户消费,至少得:

  • 分析用户
  • 选择渠道
  • 创作广告
  • 选择商品
  • 给予优惠

这样至少得五个标签,才能把“发一条信息提醒用户来消费”这件事给办成了!这就是围绕:发信息促成用户消费场景下的,一个简单的标签体系(如下图)。

二、为什么需要“体系”?

一来,单独的标签很难发挥作用,发挥作用需要考虑多个标签。这就需要体系化设计。

二来,业务部门经常各自为政。比如:

  • 同样是“潜力用户”,运营、产品、内容各自搞一套定义。
  • 一个叫“高价值”,一个叫“高成长”,看似不同标签,实则一个算法。

而实际做项目的时候,又需要几个部门坐下来一起谈。没个统一的说法,那场面真是鸡同鸭讲,乱七八糟。最怕的是,他们会自说自话讲半天,最后全部甩给我!说“做数据的来分析分析……”分析啥呀,连对象都没统一呢!

所以,为了保住饭碗为了有效推动业务工作,更得体系化设计了。

三、如何梳理标签体系

有了梳理指标体系的经验,再来梳理标签会很容易,它分为五步:

  • 第一步:明确业务场景(有明确的对象、目标、流程)。
  • 第二步:把相关业务方都拉进来,一起讨论。
  • 第三步:把有关对象、流程的,和分类有关的问题,集中讨论。
  • 第四步:筛选出重要的分类维度,固定成标签。
  • 第五步:给这些标签起名字,定好使用环节。

这里的第一步,第二步和梳理指标体系是相同的,重大区别是第三步。打标签,就是为了突出重点,找出重要的分类情况,因此最看重的是:有多少种分类?and 哪种分类对你最有意义?

还拿开头的“发信息促成用户消费场景”举例。这个场景一共有5个重要环节,梳理标签体系,要一个环节一个环节来看。

比如第一个环节:分析用户。可以问各个业务方:

  • 哪一类用户大家最关心?
  • 这一类用户有何意义?
  • 大家想如何定义?

注意!即使同一批用户,有可能关注点不同,打的标签就不一样。比如:

  • 运营部门可能重点关注谁会流失,觉得不流失的也不用管。
  • 商品部门可能重点关注新品偏好,为今年新品找潜在用户。
  • 产品经理可能重点关注会不会买,做高购买路径是刚需。

这时候应该分三个方向,先单独讨论清楚,打好标签。然后再三个部门坐下来共识:是否可以接受对方标签,是否有修改意见。

如果真的像上边假设的情况,大家各扫门前雪,那反而轻松了。最怕的是,大老板想“减少用户流失”,然后各个部门关于“流失”的定义,吵得一塌糊涂,谁都不肯让步。

这时候有个和稀泥的办法, 就是把他们提的各种逻辑,按MECE法梳理出来,然后全!部!做!出!来!用的时候大家各取所需。或者更好的方案是,让他们各发神通,打出个主仆尊卑来,然后咱再听令行事。

最怕的,就是不!吭!声!然后任由他们自说自话,最后:请数据分析给一个公平公正公开所有人都能接受的完美方案……这么搞,最后就是做数据的小可怜儿改了几十版,还是被某些人吐槽:不完美呀。天啊,我要打住了,再吐槽下去要歪楼了。

总之,当五个部分标签都打好以后,业务就能在每个环节选择标签组合方案了。

四、标签体系的价值

可能有的小伙伴会问:我不打标签行不行。反正标签也是一系列规则/算法的计算结果,我每次都写sql捞数,不也一样。

只做一次的话,确实可以这样,但是这样并不好:

  • 效率低下。很多标签是可以重复使用的,每次都写规则太麻烦。
  • 缺少积累。“高潜力”“高频互动”“促销敏感”等问题,无从对比验证,积累不了经验
  • 无法迭代。一堆散乱的规则咋迭代。有一个明确目标,就能想各种办法迭代升级,推动标签从简单的规则计算,向建模方向发展。
责任编辑:武晓燕 来源: 码工小熊
相关推荐

2022-06-05 21:09:47

Python办公自动化

2022-06-20 22:37:25

Linux操作系统命令

2022-06-15 11:02:40

网络安全运营

2022-06-15 08:25:07

Python天气数据可视化分析

2022-06-16 15:42:16

攻击面管理ASM

2022-06-27 23:44:37

云原生云存储云计算

2022-06-14 23:34:10

Linux安全服务器

2022-06-22 05:53:49

城域网广域网VXLAN

2022-06-29 09:19:09

静态代码C语言c代码

2022-06-27 17:46:53

PythonFlask

2022-06-23 12:03:00

网络安全网络安全事故

2022-06-24 10:16:59

Python精选库

2022-06-27 15:25:08

架构模型治理

2022-06-13 08:00:00

数据湖数据仓库大数据

2022-06-20 13:34:46

漏洞网络攻击

2022-06-28 10:58:35

勒索软件攻击事件

2022-06-30 09:07:52

2022-06-28 14:47:43

数据中心服务器科技

2022-05-24 15:22:09

网络安全企业风险

2022-06-23 14:03:26

混合ITCIOIT管理工具

同话题下的热门内容

七个好用常见的大数据分析模型如何用好数据科学?七张图,学会做有价值的经营分析Apache Doris刚刚 "毕业":这个SQL数据仓库有什么不一样?一文看懂:数据指标体系的四大类型

编辑推荐

什么是数据分析的漏斗模型?数据分析师还吃香吗?用数据告诉你对比解读五种主流大数据架构的数据分析能力《狄仁杰之四大天王》影评分析(爬虫+词云+热力图)22个免费的数据可视化和分析工具推荐
我收藏的内容
点赞
收藏

51CTO技术栈公众号